用函数计算搭建微服务——云客服访客名片

本文涉及的产品
云原生网关 MSE Higress,422元/月
注册配置 MSE Nacos/ZooKeeper,118元/月
服务治理 MSE Sentinel/OpenSergo,Agent数量 不受限
简介:

云客服可以方便快捷集成到用户的官网、APP、公众号等任意位置;依托阿里云智能算法,机器人能准确的理解用户的意图,并准确的回答用户的问题;提供完整的热线、在线服务功能,并能轻松连接企业的其他系统,如 CRM 等;动态管理客户和坐席使用的统一知识库、知识文章;实时汇总、实时分析服务中心的数据,帮助业务决策者从全局视角了解热门问题和当前的服务瓶颈;云客服是一套完整的智能服务体系。

访客名片是云客服上一个功能,用于关联云客服和客户 CRM 系统之间的用户,方便客服人员了解提问用户的基本信息,更好的支持用户。

目前云客服提供的访客名片集成指南是一个基于 Spring MVC 实现的 Web 项目,nodejs 语言背景的用户提出希望将 java 实现移植到函数计算服务,以服务的形式提供给 nodejs 实现的核心业务调用。

困难点

用户自己尝试过移植,如下几个技术点让其受挫:

  1. 云客服提供的 jar 是 maven 私有仓库,外网无法访问,所以需要以拷贝 jar 的方式集成进 maven
  2. 如何正确的配置 maven 插件打包成函数计算支持的 jar 包。

依赖本地 Jar 包

fccsplatform-common-crypto-1.0.0.20161108.jar 是一个阿里内网 maven 仓库的包,外网客户需要问云客服索要。下面 xml片段是 maven 依赖本地 jar 包的通用方法,但是由于 maven 依赖本地 jar 并不常见,需要查些资料。

<dependency>
    <groupId>com.alipay.fc.csplatform</groupId>
    <artifactId>fccsplatform-common-crypto</artifactId>
    <version>1.0.0.20161108</version>
    <scope>system</scope>
    <systemPath>${project.basedir}/lib/fccsplatform-common-crypto-1.0.0.20161108.jar</systemPath>
</dependency>

<scope>system</scope>表示从系统路径查找 jar 包,而不是仓库,要配合 <systemPath/> 一起使用。<systemPath/> 指定 jar 的真实路径,一般需要配合${project.basedir}一起使用,表示相对于项目目录。

封装 Handler 函数

Spring MVC 以 Controller 的形式对外暴露服务,而对应于函数计算实现 Handler 接口即可。

/**
 * This is the interface for any none event based function handler
 */
public interface StreamRequestHandler {

    /**
     * The interface to handle a function compute invoke request
     *
     * @param input The function compute input data wrapped in a stream
     * @param output The function compute output data wrapped in a stream
     * @param context The function compute execution environment context object.
     * @throws IOException IOException during I/O handling
     */
    void handleRequest(InputStream input, OutputStream output, Context context) throws IOException;
}

访客名片的业务较为简单只要实现加密和解码两个接口,不涉及到第三方服务调用

public class Encryptor implements StreamRequestHandler {

    private CustomerInfo customerInfo = new CustomerInfo();

    public void handleRequest(InputStream input, OutputStream output, Context context) throws IOException {
        String cInfo = CharStreams.toString(new InputStreamReader(
                input, Charset.defaultCharset()));
        try {
            output.write(customerInfo.encrypt(cInfo).getBytes(Charset.defaultCharset()));
        } catch (GeneralSecurityException e) {
            e.printStackTrace();
        }
    }
}
public class Decryptor implements StreamRequestHandler {

    private CustomerInfo customerInfo = new CustomerInfo();

    @Override
    public void handleRequest(InputStream input, OutputStream output, Context context) throws IOException {
        String jsonString = CharStreams.toString(new InputStreamReader(
                input, Charset.defaultCharset()));

        JSONObject jsonObject = JSON.parseObject(jsonString);
        try {
            String cInfo = customerInfo.decrypt(jsonObject.getString("params"), jsonObject.getString("key"));
            output.write(cInfo.getBytes(Charset.defaultCharset()));

        } catch (GeneralSecurityException e) {
            e.printStackTrace();
        }

    }
}

上面 Encryptor.java 和 Decryptor.java 负责实现 StreamRequestHandler 接口,而 CustomerInfo.java 类封装了真正的业务逻辑。

public class CustomerInfo {

    # 问云客服要 PUB_KEY
    private static String PUB_KEY = "your PUB_KEY";


    public String encrypt(String cInfo) throws GeneralSecurityException, UnsupportedEncodingException {
        PublicKey publicKey = getPubKey(PUB_KEY);
        Map<String, String> res = CustomerInfoCryptoUtil.encryptByPublicKey(cInfo, publicKey);

        JSONObject jsonObject = new JSONObject();
        jsonObject.put("cinfo", res.get("text"));
        jsonObject.put("key", res.get("key"));

        return jsonObject.toJSONString();
    }

    public String decrypt(String params, String key) throws UnsupportedEncodingException, GeneralSecurityException {
        PublicKey publicKey = getPubKey(PUB_KEY);
        return CustomerInfoCryptoUtil.decryptByPublicKey(params, key, publicKey);
    }

    private PublicKey getPubKey(String pubKey) throws NoSuchAlgorithmException, InvalidKeySpecException {
        X509EncodedKeySpec keySpec = new X509EncodedKeySpec(Base64Util.decode(pubKey));
        KeyFactory keyFactory;
        keyFactory = KeyFactory.getInstance("RSA");
        PublicKey key = keyFactory.generatePublic(keySpec);
        return key;
    }

打包

<plugin>
    <groupId>org.apache.maven.plugins</groupId>
    <artifactId>maven-dependency-plugin</artifactId>
    <executions>
        <execution>
            <id>copy-dependencies</id>
            <phase>prepare-package</phase>
            <goals>
                <goal>copy-dependencies</goal>
            </goals>
            <configuration>
                <outputDirectory>${project.build.directory}/classes/lib</outputDirectory>
                <includeScope>compile</includeScope>
            </configuration>
        </execution>
    </executions>
</plugin>

函数计算官方文档推荐了两种打包方式 maven-assembly-plugin 和 maven-dependency-plugin。

  • maven-assembly-plugin 会提取所有被依赖的 class 文件,重新打包成一个 jar 包,体积更小,但可能会产生一些额外的问题
  • maven-dependency-plugin 将所有依赖 jar 包都打包那一个内部的 lib/ 目录下,然后打包成嵌套 jar 包,函数计算运行时会解压顶层 jar 包。

关于 java 打包更多的细节可以参考个人的另外一篇文章《Java 打包 FatJar 方法小结》 。本例中实测使用 maven-assembly-plugin 插件打包是不行的,因为 systemPath 指定依赖的传递依赖没法被打包进去,导致运行时缺少类,所以选用了 maven-dependency-plugin 的方式。

fun 部署

最后通过一个 fun 的 template.yml 文件进行描述, 然后执行 mvn package && fun deploy

ROSTemplateFormatVersion: '2015-09-01'
Transform: 'Aliyun::Serverless-2018-04-03'
Resources:
  YunkefuSign:
    Type: 'Aliyun::Serverless::Service'
    Properties:
      Description: 'yun ke fu Sign'
    Encryptor:
      Type: 'Aliyun::Serverless::Function'
      Properties:
        Handler: com.aliyun.fc.Encryptor::handleRequest
        Runtime: java8
        CodeUri: './target/yunkefu-sign-1.0-SNAPSHOT.jar'
        Timeout: 60
    Decryptor:
      Type: 'Aliyun::Serverless::Function'
      Properties:
        Handler: com.aliyun.fc.Decryptor::handleRequest
        Runtime: java8
        CodeUri: './target/yunkefu-sign-1.0-SNAPSHOT.jar'
        Timeout: 60

小结

将语言作为服务的边界是服务架构常见的划分边界方式之一。函数计算支持多语言环境,具备可扩展和高可用特性,使其适于以服务的形式支持多语言的架构。通常情况下,开发商在熟悉语言领域有足够的积累,构建了一整套完备的架构和部署运维体系,而为了扩大业务的边界,有时候会面临被迫选择熟悉语言领域之外的编程语言和架构,对于这一挑战,函数计算只需要用语言简单地写业务,无需关注架构和运维,可以减轻开发商的压力。

目录
相关文章
|
存储 人工智能 Serverless
微服务和 Serverless 架构-函数计算 FC 简介及应用场景
微服务和 Serverless 架构-函数计算 FC 简介及应用场景
微服务和 Serverless 架构-函数计算 FC 简介及应用场景
|
4月前
|
运维 Serverless Nacos
Serverless 应用引擎使用问题之怎么查看是否已开通微服务引擎MSE
阿里云Serverless 应用引擎(SAE)提供了完整的微服务应用生命周期管理能力,包括应用部署、服务治理、开发运维、资源管理等功能,并通过扩展功能支持多环境管理、API Gateway、事件驱动等高级应用场景,帮助企业快速构建、部署、运维和扩展微服务架构,实现Serverless化的应用部署与运维模式。以下是对SAE产品使用合集的概述,包括应用管理、服务治理、开发运维、资源管理等方面。
|
6月前
|
运维 Serverless API
四大软件架构:掌握单体、分布式、微服务、Serverless 的精髓
如果一个软件开发人员,不了解软件架构的演进,会制约技术的选型和开发人员的生存、晋升空间。这里我列举了目前主要的四种软件架构以及他们的优缺点,希望能够帮助软件开发人员拓展知识面。
|
6月前
|
运维 Cloud Native Serverless
MSE Serverless 正式商用,构建低成本高弹性的微服务架构
MSE Serverless 正式商用,构建低成本高弹性的微服务架构
70555 85
|
运维 Java Serverless
深度解析四大主流软件架构模型:单体架构、分布式应用、微服务与Serverless的优缺点及场景应用
深度解析四大主流软件架构模型:单体架构、分布式应用、微服务与Serverless的优缺点及场景应用
1151 0
|
6月前
|
Serverless 云计算 Docker
SAE是全场景Serverless计算平台,深度融合微服务
【5月更文挑战第2天】SAE是全场景Serverless计算平台,深度融合微服务,提供SAE Job任务场景解决方案,具备便捷、节省、稳定、透明和省心的特点。而ECI是Serverless容器运行服务,结合云计算理念,仅需Docker镜像即可运行,支持细粒度资源计费,旨在降低成本和提升效率。SAE侧重应用管理和运营,ECI专注于优化容器资源使用。
70 0
|
运维 Cloud Native Serverless
全面 Serverless 化,阿里云微服务引擎 MSE 重磅升级
全面 Serverless 化,阿里云微服务引擎 MSE 重磅升级
|
11月前
|
运维 Serverless 微服务
Serverless 微服务
Serverless 微服务
|
Cloud Native Serverless 调度
微服务和 Serverless 架构-云原生架构核心技术总结
微服务和 Serverless 架构-云原生架构核心技术总结
微服务和 Serverless 架构-云原生架构核心技术总结
|
弹性计算 运维 Serverless
微服务和 Serverless 架构-Serverless 与微服务结合的 SAE 介绍
微服务和 Serverless 架构-Serverless 与微服务结合的 SAE 介绍
微服务和 Serverless 架构-Serverless 与微服务结合的 SAE 介绍